《表1 不同方法在不同日期类型下的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多神经网络融合的短期负荷预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

仅根据某一天的预测结果不能对FOMNN方法进行综合评价，由于工作日与休息日的日负荷情况常有较大不同，本文采用不同方法对不同日期类型的日负荷进行预测，结果评价指标如表1所示。由表1可知，4种方法预测误差的最小值均出现在工作日，SVM、BPNN、GRU的误差在休息日明显增大，而FOMNN的预测表现相对较为平稳，由此可见FOMNN对于不同日期类型的负荷均具有较好的适应能力。